Numpy 简明教程
NumPy - Iterating Over Array
NumPy 包含一个迭代器对象 numpy.nditer 。这是一个高效的多维迭代器对象，可以使用它来遍历数组。使用 Python 的标准迭代器接口访问数组中的每个元素。
让我们使用 arange() 函数创建一个 3X4 数组，并使用 nditer 遍历它。
Example 1
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'
print 'Modified array is:'
for x in np.nditer(a):
print x,此程序的输出如下 -
Original array is:
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
Modified array is:
0 5 10 15 20 25 30 35 40 45 50 55Example 2
迭代的顺序与数组的内存布局相匹配，无需考虑特定的排序。可以通过对上述数组的转置进行迭代来查看这一点。
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'
print 'Transpose of the original array is:'
b = a.T
print b
print '\n'
print 'Modified array is:'
for x in np.nditer(b):
print x,以上程序的输出如下：
Original array is:
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
Transpose of the original array is:
[[ 0 20 40]
[ 5 25 45]
[10 30 50]
[15 35 55]]
Modified array is:
0 5 10 15 20 25 30 35 40 45 50 55Iteration Order
如果使用 F 样式顺序存储相同的元素，则迭代器将选择更有效的方式在数组上进行迭代。
Example 1
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'
print 'Transpose of the original array is:'
b = a.T
print b
print '\n'
print 'Sorted in C-style order:'
c = b.copy(order = 'C')
print c
for x in np.nditer(c):
print x,
print '\n'
print 'Sorted in F-style order:'
c = b.copy(order = 'F')
print c
for x in np.nditer(c):
print x,其输出如下所示 −
Original array is:
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
Transpose of the original array is:
[[ 0 20 40]
[ 5 25 45]
[10 30 50]
[15 35 55]]
Sorted in C-style order:
[[ 0 20 40]
[ 5 25 45]
[10 30 50]
[15 35 55]]
0 20 40 5 25 45 10 30 50 15 35 55
Sorted in F-style order:
[[ 0 20 40]
[ 5 25 45]
[10 30 50]
[15 35 55]]
0 5 10 15 20 25 30 35 40 45 50 55Example 2
可以通过明确地提及 nditer 对象来强制其使用特定的顺序。
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'
print 'Sorted in C-style order:'
for x in np.nditer(a, order = 'C'):
print x,
print '\n'
print 'Sorted in F-style order:'
for x in np.nditer(a, order = 'F'):
print x,其输出将为 −
Original array is:
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
Sorted in C-style order:
0 5 10 15 20 25 30 35 40 45 50 55
Sorted in F-style order:
0 20 40 5 25 45 10 30 50 15 35 55Modifying Array Values
nditer 对象有另一个称为 op_flags 的可选参数。其默认值是只读的，但可以设置为读写或只写模式。这将允许使用此迭代器修改数组元素。
Example
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'
for x in np.nditer(a, op_flags = ['readwrite']):
x[...] = 2*x
print 'Modified array is:'
print a它的输出如下：
Original array is:
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
Modified array is:
[[ 0 10 20 30]
[ 40 50 60 70]
[ 80 90 100 110]]External Loop
nditer 类构造函数具有 ‘flags’ 参数，它可以采用以下值：
Sr.No. |
Parameter & Description |
1 |
c_index 可以跟踪 C 顺序索引 |
2 |
f_index Fortran_order index is tracked |
3 |
multi-index 可以跟踪每次迭代具有一个索引的索引类型 |
4 |
external_loop 导致给定的值为具有多个值的一维数组，而不是零维数组 |
Example
在下面的示例中，一维数组对应于每列由迭代器遍历。
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'Original array is:'
print a
print '\n'
print 'Modified array is:'
for x in np.nditer(a, flags = ['external_loop'], order = 'F'):
print x,输出如下 −
Original array is:
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
Modified array is:
[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]Broadcasting Iteration
如果两个数组是 broadcastable ，则一个合并的 nditer 对象能够同时在它们上进行迭代。假设数组 a 有 3X4 维，并且有另一个数组 b 有 1X4 维，则使用以下类型的迭代器（数组 b 被广播到 a 的大小）。
Example
import numpy as np
a = np.arange(0,60,5)
a = a.reshape(3,4)
print 'First array is:'
print a
print '\n'
print 'Second array is:'
b = np.array([1, 2, 3, 4], dtype = int)
print b
print '\n'
print 'Modified array is:'
for x,y in np.nditer([a,b]):
print "%d:%d" % (x,y),其输出如下所示 −
First array is:
[[ 0 5 10 15]
[20 25 30 35]
[40 45 50 55]]
Second array is:
[1 2 3 4]
Modified array is:
0:1 5:2 10:3 15:4 20:1 25:2 30:3 35:4 40:1 45:2 50:3 55:4